Performance опросник
Целью опросника повышения производительности является создание реакции на события, поступающие в систему при некотором ограничении по времени или ресурсам. Событие может быть отдельным событием или потоком и является триггером для выполнения вычислений. Опросник производительности контролирует время или ресурсы, используемые для генерации ответа
| Группа вопросов | Вопрос | Поддерживается? Y/N | Риски | Дизайнерские решения и расположение | Обоснование и предположения | |||||
|---|---|---|---|---|---|---|---|---|---|---|
| Контроль требуемых ресурсов | Есть ли у вас соглашение об уровне обслуживания (SLA), определяющее максимальную скорость поступления событий, которую вы готовы поддерживать? Увеличение скорости поступления событий выше прогнозируемого порога заставит поступившие события встать в очередь на обработку, тем самым увеличится latency обработки сообщений | |||||||||
Может ли система семплировать поступающие в неё сообщения? В тех случаях, когда система не может гарантировать адекватное время ответа, вы можете уменьшить частоту дискретизации стимулов — например, скорость получения данных от датчика или количество обрабатываемых видеокадров в секунду. Конечно, ценой, которую здесь приходится платить, является точность видеопотока или информации, которую вы собираете из данных датчиков. | ||||||||||
Как система будет ограничивать ответ (объем обработки) на поступившее событие? В тех случаях когда система не может гарантировать время ответа, вы можете выставить максимально время обработки сообщений, а те события которые превышают это время можно просто отбросить. | ||||||||||
Приоритезирует ли ваша система поступающие в неё запросы? Если не все события одинаково важны, вы можете применить схему приоритетов, которая ранжирует события в соответствии с тем, насколько важно их обслуживать. Если для их обслуживания недостаточно ресурсов события с низким приоритетом могут игнорироваться. | ||||||||||
Можете ли вы снизить косвенность во благо производительности? Большие цепочки обращений снижают производительность системы. Часто этот подход вредит модифицируемости. | ||||||||||
Можно ли в вашей системе ограничить время выполнения запроса? На data intensive приложениях качество вычисляемых данных часто зависит от количества итераций или объема обработанных данных. Снижение точности как правило увеличивает производительность. | ||||||||||
Можете ли вы повысить эффективность вычислений за счет выбора алгоритмов? Один из возможных подходов в повышении производительности, как не странно, будет оптимизация алгоритмов обработки. | ||||||||||
| Управление ресурсами | Можете ли вы выделить больше ресурсов системе или ее компонентам? Эта тактика сильно пересекается с тактиками масштабирования. При выборе ресурсов обычно учитывается стоимость, но увеличение ресурсов во многих случаях является самым дешевым способом немедленного улучшения. | |||||||||
Могут ли вычисления быть реплицированы на разных ресурсах? Реплицированные сервиса в микросервисной архитектуре или реплицированные веб-серверы в пуле серверов являются примерами реплик вычислений. | ||||||||||
Можно ли кэшировать данные (чтобы сохранить локальную копию, к которой можно быстро получить доступ) или реплицировать (чтобы уменьшить конфликты)? Репликация данных предполагает хранение отдельных копий данных, чтобы уменьшить конфликты из-за множественного одновременного доступа. Поскольку реплицируемые данные обычно представляют собой копию существующих данных, поддержание согласованности и синхронизации копий становится обязанностью, которую должна взять на себя система. | ||||||||||
| Вы используете параллелизм ? Если запросы могут обрабатываться параллельно, время блокировки можно сократить. | ||||||||||
Используете ли вы шардирование как часть тактики параллелизма? Шардирование данных позволяет организовать неконкурентный доступ различных частей системы. | ||||||||||